Mistral Medium 3 — Benchmarks, egenskaber og anvendelsesmuligheder
Mistral Medium 3 er en proprietær AI-model fra Mistral, klassificeret som Advanced-niveau med en kontekstvindue på 128K tokens. Udforsk benchmark-score, styrker...
2 min læsning
Mistral Large 3 er en avanceret AI-model, der er velegnet til krævende produktionsopgaver, udviklet af Mistral og udgivet i december 2025. Som en open-weight-model er dens trænede vægte offentligt tilgængelige — du kan selv hoste den, finjustere den på proprietære data eller køre den on-premise uden API-afhængigheder. Den understøtter et kontekstvindue på 256K tokens, tilstrækkeligt til de fleste dokumenter og flertrinsapplikationer.
På FlowHunt AI Leaderboard er den en af 24 spores modeller, evalueret på tværs af 3 benchmarks. Fremtrædende resultater: 93,6% på MATH-500 (#1 af 4); 73,1% på MMLU-Pro (#5 af 8); 43,9% på GPQA Diamond (#14 af 14).
Mistral Large 3 blev udgivet den 2. december 2025 som Mistrals mest kapable kommercielle model og, afgørende, som en open-weight-udgivelse under Apache 2.0-licensen. Med 41B aktive parametre fra en 675B total MoE-arkitektur er den den største og mest kapable fuldt Apache-licenserede frontier-tilstødende model, der er tilgængelig. Mistral designede Large 3 til specifikt at imødekomme europæiske virksomheders behov: implementerbar i EU-datacentre, GDPR-kompatibel per arkitektur (data forlader aldrig implementeringsregionen) og anvendelig til kommercielle applikationer uden de restriktive licensvilkår, der kendetegner mange open-weight-modeller. Dens MMLU-Pro-score på 84,2% og solide videnskabelige ræsonnementprofil har gjort den til standardvalget for europæiske regulerede industrier — finans, sundhedspleje og jura — der har brug for stærk AI-kapacitet uden at sende data til USA-baserede API-udbydere.
Bemærk: Virksomhedsgeneralist, Apache 2.0. Svagt hårdt ræsonnement (GPQA 43,9%).
- Udgivet
- December 2025
- Parametre
- 41B/675B MoE
- Kontekst
- 256K tokens
- Vægte
- Åbne
- Niveau
- Advanced
- Udbyder
- Mistral
Mistral Large 3 Benchmark Rankings
Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.
| Benchmark | Score | Rank | Source | What it measures |
|---|---|---|---|---|
| GPQA Diamond | 43.9% | 14 of 14 | 3P | Graduate-level Google-proof science Q&A |
| MMLU-Pro | 73.1% | 5 of 8 | 3P | Hard knowledge reasoning, 12K questions |
| MATH-500 | 93.6% | 1 of 4 | 3P | Hendrycks math (500 problems) |
Detailed Benchmark Scores
GPQA ◇
3P
43.9%
Graduate-level Google-proof science Q&A
MMLU-P
3P
73.1%
Hard knowledge reasoning, 12K questions
MATH
3P
93.6%
Hendrycks math (500 problems)
Mistral Large 3 vs. Advanced Peers
Head-to-head benchmark comparison with other Advanced-tier models. Higher is better for all metrics.
| Benchmark | Mistral Large 3 | Claude Sonnet 4.6 | GPT-4.1 |
|---|---|---|---|
| GPQA ◇ | 43.9% | — | — |
| MMLU-P | 73.1% | — | — |
| MATH | 93.6% | 89.0% | — |
About Mistral
Mistral AI er et fransk AI-selskab grundlagt i april 2023 af Arthur Mensch (tidligere hos Google DeepMind), Guillaume Lample og Timothée Lacroix (begge tidligere hos Meta AI Research). Virksomheden positionerer sig som en europæisk mester inden for generativ AI og kombinerer en kommerciel API-forretning med strategiske udgivelser af åbne vægtmodeller. Mistrals flagskibsserie Large og Apache 2.0-licenserede modeller har gjort det til den mest fremtrædende ikke-amerikanske, ikke-kinesiske udbyder på de fleste AI-ranglister. Virksomheden har EU-hovedkvarter i Paris, lægger vægt på GDPR- og EU-reguleringsoverholdelse og har formuleret en distinkt reguleringsfilosofi, der opfordrer til lettere regulering af åbne vægtmodeller sammenlignet med lukkede API-systemer.
Anvendelsesmuligheder
Hvad skal Mistral Large 3 bruges til
- Videnskabelig & Teknisk Ræsonnering
Mistral Large 3 opnår 43% på GPQA Diamond (#14 af 14 modeller). Den håndterer generel videnskabelig spørgsmålsbesvarelse på et solidt niveau, selvom frontløbsmodeller scorer 25+ procentpoint højere på de sværeste problemstillinger på kandidatniveau.
- Selvhostede & Private Implementeringer
Mistral Large 3 er open-weight (41B/675B MoE parametre) — dens trænede vægte er offentligt tilgængelige til download og selvimplementering. Kør den på din egen GPU-hardware eller private cloud for at sikre, at data aldrig forlader dit miljø, eliminer API-omkostninger per token i stor skala, eller finjuster modellen på proprietære datasæt.
Strengths & Limitations
Strengths
- Avanceret matematik — 93% MATH-500
- Selvhostede & dataprivate implementeringer (open-weight)
- Langkontekst-opgaver (256K kontekstvindue)
Limitations
- Under frontløbsniveau for hård videnskabelig ræsonnering (43% GPQA — frontløb er 90%+)
Se hele AI Model Leaderboard
Sammenlign alle 24 modeller på tværs af 11 benchmarks — sorterbare, kildeangivne og opdateret juni 2026.
Ofte stillede spørgsmål
Lær mere
Mixtral 8x7B — Benchmarks, funktioner og anvendelsesmuligheder
Mixtral 8x7B er en open-weight AI-model fra Mistral (12,9B/46,7B MoE), klassificeret som Legacy-niveau med et kontekstvindue på 32K tokens. Den er tilgængelig d...
3 min læsning
MiniMax M3 — Benchmarks, funktioner og anvendelsesmuligheder
MiniMax M3 er en open-weight AI-model fra MiniMax (MoE (ikke oplyst)), klassificeret som Frontier-niveau med en kontekstvindue på 1M tokens. Den er tilgængelig ...
3 min læsning